| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景与研究意义 | 第9页 |
| 1.2 故障诊断研究内容与研究方法 | 第9-12页 |
| 1.2.1 故障诊断基本概念 | 第9-11页 |
| 1.2.2 故障诊断的研究方法 | 第11-12页 |
| 1.3 基于数据驱动的方法 | 第12-15页 |
| 1.3.1 监督学习的方法 | 第13页 |
| 1.3.2 非监督学习的方法 | 第13-14页 |
| 1.3.3 半监督学习的方法 | 第14-15页 |
| 1.4 本文结构和主要内容 | 第15-17页 |
| 第2章 核独立元分析算法和半监督学习算法 | 第17-25页 |
| 2.1 KICA的基本原理 | 第17-20页 |
| 2.1.1 特征空间的ICA | 第17页 |
| 2.1.2 特征空间中数据的白化 | 第17-19页 |
| 2.1.3 利用修正ICA提取非线性独立元 | 第19-20页 |
| 2.2 半监督学习算法 | 第20-24页 |
| 2.2.1 半监督学习的三大假设 | 第20-21页 |
| 2.2.2 半监督学习理论 | 第21-24页 |
| 2.2.3 半监督学习的应用 | 第24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于子空间分离的多阶段间歇过程监测方法 | 第25-49页 |
| 3.1 基于阶段间关系的子空间分离算法 | 第26-38页 |
| 3.1.1 间歇过程数据预处理 | 第26-27页 |
| 3.1.2 离线建模 | 第27-33页 |
| 3.1.3 在线监测 | 第33-38页 |
| 3.2 实验仿真 | 第38-48页 |
| 3.2.1 青霉素发酵过程 | 第38-39页 |
| 3.2.2 仿真结果分析 | 第39-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第4章 基于先验知识的过程监测方法 | 第49-71页 |
| 4.1 先验知识学习的过程监测问题 | 第50-51页 |
| 4.2 全局和局部正则化的先验知识学习过程监测问题 | 第51-58页 |
| 4.2.1 全局正则化 | 第51-53页 |
| 4.2.2 局部正则化 | 第53-57页 |
| 4.2.3 基于先验知识的过程监测算法 | 第57-58页 |
| 4.3 仿真研究及结果分析 | 第58-70页 |
| 4.3.1 算法分类特性分析 | 第58-59页 |
| 4.3.2 田纳西过程介绍 | 第59-60页 |
| 4.3.3 仿真结果分析 | 第60-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第5章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士期间发表的论文 | 第79页 |